原子間勢能的主動學習：以不確定性驅動資料效率之綜述

原標題: Active Learning for Interatomic Potentials: A Review of Uncertainty-Driven Data Efficiency

本綜述回顧了七十多項關於機器學習原子間勢能主動學習的研究，其目標是讓勢能在實際應用的條件下保持準確。內容涵蓋即時分子動力學、預訓練模型的微調，以及材料與化學系統的取樣。作者也指出，不同架構的不確定性估計各不相同，且往往在最關鍵之處可靠度最低。